Investigadores de NVIDIA han presentado GPIR, un sistema que acelera la Recuperación Privada de Información (PIR) en GPUs abordando la alta computación y el tráfico de memoria en el lado del servidor inherentes a los protocolos basados en retículas. El sistema emplea un modelo de ejecución híbrido consciente de las etapas que cambia dinámicamente entre kernels a nivel de operación y a nivel de etapa para maximizar la reutilización de datos en el chip.

  • GPIR resuelve las discrepancias de rendimiento en la fase RowSel utilizando un diseño con disposición transpuesta y una canalización fina para multiplicaciones matriz-matriz a gran escala.
  • La arquitectura se extiende a sistemas multi-GPU, escalando el rendimiento y la capacidad de la base de datos con una sobrecarga de comunicación despreciable.
  • GPIR logra hasta 297,2 veces más rendimiento en comparación con PIRonGPU, la implementación GPU líder anterior.

Este enfoque permite consultas prácticas a bases de datos privadas al reducir significativamente los cuellos de botella computacionales que típicamente obstaculizan la adopción de PIR.